jQuery源码分析-02正则表达式-RegExp-常用正则表达式

2.4 常用正则表达式
在网上找到一篇广为流传的文章《常用正则表达式》，逐一分析，不足地方进行补充和纠正。

常用的数字正则（严格匹配）

正则            含义
^[1-9]\d*$    匹配正整数
^-[1-9]\d*$    匹配负整数
^-?[1-9]\d*$    匹配整数
^[1-9]\d*|0$    匹配非负整数（正整数 + 0）
^-[1-9]\d*|0$    匹配非正整数（负整数 + 0）
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$    匹配正浮点数
^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$    匹配负浮点数
^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$     匹配浮点数
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$    匹配非负浮点数（正浮点数 + 0）
^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$    匹配非正浮点数（负浮点数 + 0）

常用字符串正则

正则                    含义                      补充
^[A-Za-z]+$    匹配由26个英文字母组成的字符串    或 /^[a-z]+$/i
^[A-Z]+$    匹配由26个英文字母的大写组成的字符串    
^[a-z]+$    匹配由26个英文字母的小写组成的字符串    
^[A-Za-z0-9]+$    匹配由数字和26个英文字母组成的字符串    注意\w包含下划线_
^\w+$    匹配由数字、26个英文字母或者下划线组成的字符串    

常用数字正则和常用字符串正则，是最基本的正则应用，读者可以作为入门的练习，试试能不能快速的读懂其中的含义。

匹配中文字符

普遍使用的正则是[\u4e00-\u9fa5]，但这个范围并不完整。例如：
/[\u4e00-\u9fa5]/.test( '⻏' ) // 测试部首⻏，返回false
根据Unicode 5.0版编码，要准确的判断一个中文字符要包括：
范围    含义    范围    含义
2E80-2EFF    CJK 部首补充    2F00-2FDF    康熙字典部首
3000-303F    CJK 符号和标点    31C0-31EF    CJK 笔画
3200-32FF    封闭式 CJK 文字和月份    3300-33FF    CJK 兼容
3400-4DBF    CJK 统一表意符号扩展 A    4DC0-4DFF    易经六十四卦符号
4E00-9FBF    CJK 统一表意符号    F900-FAFF    CJK 兼容象形文字
FE30-FE4F    CJK 兼容形式    FF00-FFEF    全角ASCII、全角标点
因此，正确的匹配中文字符正则表达式为：
var rcjk = /[\u2E80-\u2EFF\u2F00-\u2FDF\u3000-\u303F\u31C0-\u31EF\u3200-\u32FF\u3300-\u33FF\u3400-\u4DBF\u4DC0-\u4DFF\u4E00-\u9FBF\uF900-\uFAFF\uFE30-\uFE4F\uFF00-\uFFEF]+/g;
如果不希望匹配标点、符号，在正则中去掉对应的范围即可：
3000-303F    CJK 符号和标点    FF00-FFEF    全角ASCII、全角标点

匹配双字节字符(包括汉字在内)

[^\x00-\xff]，可以用来计算字符串的长度（一个双字节字符长度计2，ASCII字符计1），代码示例如下：
console.info( "abc".replace( /[^\x00-\xff]/g,"aa" ).length ) // 3
console.info( "汉字".replace( /[^\x00-\xff]/g,"aa" ).length ) // 4
console.info( "abc汉字".replace( /[^\x00-\xff]/g,"aa").length ) // 7

匹配HTML标记的正则表达式

先说说网上流传的版本：
<(\S*?)[^>]*>.*?</\1>|<.*? />
*?    *表示0个或多个，?表示0个或1个，两个叠加起来标识0个多个，与*的功能重叠
(\S*?)    标签的长度必须大于0，因此不能用*? 
|<.*?\/>    没有分组，无法获取以<div/>这种自关闭格式书写的标签
</\1>
<.*? />    有的标签是不关闭的，比如<br><hr>，因此不能强制关闭
修正如下：
var rtag = /^<([a-z]+)\s*\/?>.*(?:<\/\1>)?$/i
rtag.exec( '<-div></-div>') // null 
rtag.exec( '<div>abc') // ["<div>abc", "div"]
这个表达式也不完善，比如第二条测试语句，这么写是为了能提取中包含了文本内容的标签，如果要严格匹配，可再次修改为：
var rtag = /^<([a-z]+)\s*\/?> (?:<\/\1>)?$/i // 去掉了中间的.*
这个正则的应用范围仅限于简单的标签匹配、提取，不能匹配嵌套标记。

匹配首尾空白字符的正则表达式

先说说网上流传的版本：
^\s*|\s*$
可以删除行首行尾的空白字符，例如：
'   \t    \n\r   abc   \t    \n\r   '.replace( /^\s*|\s*$/g, '' ) // abc
但是用\s*不能判断出字符串是否在开头或结尾处有\s，例如：
/^\s*|\s*$/.test( 'abc' ) // true
修正如下：
^\s+|\s+$
'   \t    \n\r   abc   \t    \n\r   '.replace( /^\s+|\s+$/g, '' ) // abc
/^\s+|\s+$/.test( 'abc' ) // false

匹配Email地址的正则表达式

先介绍下Email的规则：local-part@domain
    local-part最长64，domain最长253，总长最长256
    local-part可以使用任意ASCII字符：
    大小写英文字母 a-z,A-Z
    数字 0-9
    字符 !#$%&'*+-/=?^_`{|}~
    字符 .不能是第一个和最后一个，不能连续出现两次
    但是有些邮件服务器会拒绝包含有特殊字符的邮件地址
    domain（域名）仅限于26个英文字母、10个数字、连词号-
    连词号-不能是第一个字符
    顶级域名（com、cn等）长度为2到6个
先说说网上流传的版本：
\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
()    莫名奇妙的分组，如果只分组不记录，可以使用(?:)
@\w    domain不能包含下划线_
\w+([-.]\w+)*    顶级域名不符合规则
修正如下：
var remail = /^([\w-_]+(?:\.[\w-_]+)*)@((?:[a-z0-9]+(?:-[a-zA-Z0-9]+)*)+\.[a-z]{2,6})$/i
remail.exec( 'nuysoft@gmail.com' ) // "nuysoft@gmail.com", "nuysoft", "gmail.com"]
remail.exec( 'nuysoft@gmail.comcomcom' ) // null
remail.exec( 'nuysoft@_gmail.com ) // null
修正后的正则有如下局限性：
    不支持中文邮箱、中文域名，之所以不在其中支持是因为我个人的爱好倾向，反感这类华而不实的玩意
    不支持特殊符号，避免非邮件服务器拒绝，如果需要，可以添加。
参考文章：
http://en.wikipedia.org/wiki/Email_address
http://baike.baidu.com/view/119298.htm

匹配网址URL的正则表达式

先说说网上流传的版本：
[a-zA-z]+://[^\s]*
粗糙，没有对URL中各个块进行分组
修正如下（又一段网上流传的版本）：
var _url = "^((https|http|ftp|rtsp|mms)?://)?" //
         + "(([0-9a-z_!~*'().&=+$%-]+: )?[0-9a-z_!~*'().&=+$%-]+@)?" // ftp的user@
         + "(([0-9]{1,3}.){3}[0-9]{1,3}" // IP形式的URL- 199.194.52.184
         + "|" // 允许IP和DOMAIN（域名）
         + "([0-9a-z_!~*'()-]+.)*" // 域名- www.
         + "([0-9a-z][0-9a-z-]{0,61})?[0-9a-z]." // 二级域名
         + "[a-z]{2,6})" // first level domain- .com or .museum
         + "(:[0-9]{1,4})?" // 端口- :80
         + "((/?)|" // a slash isn't required if there is no file name
         + "(/[0-9a-z_!~*'().;?:@&=+$,%#-]+)+/?)$";
var rurl = new RegExp( _url, 'i' );

测试：
rurl.exec( 'baidu.com' ) // ["baidu.com", undefined, undefined, undefined, undefined, "baidu.com", undefined, "baid", undefined, undefined, "", "", undefined]
rurl.exec( 'http://baidu.com' ) // 
rurl.exec( 'http://www.baidu.com' ) // ["http://baidu.com", "http://", "http", undefined, undefined, "baidu.com", undefined, "baid", undefined, undefined, "", "", undefined]
rurl.test( 'baidu' ) // true
看来不怎么也好用，有待学习TODO。

匹配帐号是否合法

先说说网上流传的版本：
^[a-zA-Z][a-zA-Z0-9_]{4,15}$
(字母开头，允许5-16字节，允许字母数字下划线)
限制必须以字母开头现在看来不合适，比如QQ登录平台
限制不能以下划线开头也没有必要，比如百度就允许，因此简单点
修正如下：
var ruser = /\w{4,16}/

匹配国内电话号码

网上流传的版本很好用：
\d{3}-\d{8}|\d{4}-\d{7}
评注：匹配形式如 0511-4405222 或 021-87888822

匹配腾讯QQ号

网上流传的版本很好用：
 [1-9][0-9]{4,}
评注：腾讯QQ号从10000开始

匹配中国邮政编码

网上流传的版本很好用：
[1-9]\d{5}(?!\d)
评注：中国邮政编码为6位数字

匹配身份证

先说说网上流传的版本：
\d{15}|\d{18}
d{15}
\d{18}    可以判断，但是有些粗糙 
从身份证可以解析出地址、生日、性别等，因此特别说明一下：
    身份证规则
中国的身份证为15位（一代）或18位（二代），区别在于二代证只是在一代证的第七位数字前加了19和在末尾加了一位验证码
    将15位升级为18位，并解析18位号码构成（地址、生日、性别）
代码如下：
function parseID(ID) {
    if ( ID.length == 15 ) {
        // 升级为18位
        ID = ID.substr( 0, 6 ) + "19" + ID.substr( 6 );
        // 前17位对应的系数
        var rank = [
                "7", "9", "10", "5", "8", "4", "2", "1", "6", "3", "7", "9", "10", "5", "8", "4", "2"
        ];
        // 前17为加权除以17后的余数对应的最后一位身份证号码
        var last = [
                "1", "0", "X", "9", "8", "7", "6", "5", "4", "3", "2"
        ];
        // 加权和
        for ( var i = 0, sum = 0, len = ID.length; i < len; i++)
            sum += ID[ i ] * rank[ i ];
        // 加上最后一位
        ID += last[ sum % 11 ];
    }
    if ( ID.length != 18 ) return null;

    var match = rid.exec( ID );
    return match ? {
        ID : ID,
        area : match[ 1 ],
        y : match[ 2 ],
        m : match[ 3 ],
        d : match[ 4 ],
        sex : match[ 5 ] % 2
    } : null;
}
限制：
    这里只是解析出了地址代码，如何将代码转换为实际地址请问度娘。
    返回对象中的sex为1（男）或0（女），并未做转换，如果页面显示需要，可以这样转换：sex ? "男" : "女" 
测试：
console.info( parseID( "142327840821047" ) );
console.info( parseID("142327198408210470" ) );
参考资料：
http://baike.baidu.com/view/118340.htm#1

匹配IP地址

先说说网上流传的版本：
\d+\.\d+\.\d+\.\d+
\d    数字没有限制
修正如下：
var rip = /^(?:(?:[01]?\d{1,2}|2[0-4]\d|25[0-5])\.){3}(?:[01]?\d{1,2}|2[0-4]\d|25[0-5])$/;
rip.test( "192.168.1.1" ) // true
rip.test( "0.0.0.0" ) // true
rip.test( "255.255.255.255" ) // true
rip.test( "256.255.255.255" ) // false
进一步增加分组：
var rip2 = /^([01]?\d{1,2}|2[0-4]\d|25[0-5])\.([01]?\d{1,2}|2[0-4]\d|25[0-5])\.([01]?\d{1,2}|2[0-4]\d|25[0-5])\.([01]?\d{1,2}|2[0-4]\d|25[0-5])$/;
rip2.exec( "192.168.1.1" ) // ["192.168.1.1", "192", "168", "1", "1"]
rip2.exec( "0.0.0.0" ) // ["0.0.0.0", "0", "0", "0", "0"]
rip2.exec( "255.255.255.255" ) // ["255.255.255.255", "255", "255", "255", "255"]
rip2.exec( "256.255.255.255" ) // null

摘自：http://nuysoft.iteye.com/blog/1217898